GEE开发之Sentinel-2计算NDVI和数据分析

1 基础知识
2 影像、数据、变化趋势实现
3 一年内所有影像数据查看和下载
- 3.1 NDVI值影像获取
- 3.2 原始影像获取
4 月平均数据的变化趋势
5 月平均影像数据的查看和下载
- 5.1 NDVI值影像获取
- 5.2 原始影像获取

前言：主要介绍哨兵2号卫星下计算NDVI的值、遥感影像和数据的获取。

1 基础知识

Sentinel-2：中文名哨兵2号卫星。

Sentinel-2是一种宽测绘带、高分辨率、多光谱成像任务，支持哥白尼土地监测研究，包括植被、土壤和水覆盖的监测，以及内陆水道和沿海地区的观察。
Sentinel-2 L2数据从scihub下载。它们是通过运行sen2cor计算的。警告：ESA没有为所有一级资产生成二级数据，早期的二级覆盖范围不是全局的。
这些资源包含12个UINT16光谱带，代表按10000缩放的SR（与L1数据不同，没有B10）。还有几个L2特定的频段（有关详细信息，请参阅频段列表）。有关详细信息，请参阅Sentinel-2用户手册。此外，存在三个QA频带，其中一个（QA60）是具有云掩码信息的位掩码频带。有关更多详细信息，请参阅如何计算云遮罩的完整解释。
Sentinel-2 L2资产的EE资产ID具有以下格式：哥白尼/S2\U SR/20151128 002653\U 20151128 102149\U T56MNN。这里，第一个数字部分表示感应日期和时间，第二个数字部分代表产品生成日期和时间。最后一个6个字符的字符串是一个唯一的颗粒标识符，指示其UTM网格参考（请参阅MGRS）。
COPERNICUS/S2：分辨率为10m

NDVI的计算公式：NDVI = (近红外波段 - 红波段) / (近红外波段 + 红波段)
针对每种卫星的波段，选用的波段都有所不同，公式如下：

Landsat8: NDVI = (band5 - band4) / (band5 + band4)
Sentinel2: NDVI = (band8 - band4) / (band8 + band4)
Modis: NDVI = (band2 - band1) / (band2 + band1)
ETM/TM: NDVI = (band4 - band3) / (band4 + band3)
AVHRR: NDVI = (CH2 - CH1) / (CH2 + CH1)

2 影像、数据、变化趋势实现

代码如下（以鹿邑县为例）
注意：分辨率为10m

//以鹿邑县为例子
var geometry = ee.FeatureCollection('users/www1573979951/luyixian')
Map.centerObject(geometry,7)
//颜色设置
var colorizedVis = {min: -0.8,max: 0.8,palette: ['blue', 'white', 'green'],
};//使用QA波段去云
function maskS2clouds(image) {var qa = image.select('QA60');// Bits 10 and 11 are clouds and cirrus, respectively.var cloudBitMask = 1 << 10;var cirrusBitMask = 1 << 11;// Both flags should be set to zero, indicating clear conditions.var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(qa.bitwiseAnd(cirrusBitMask).eq(0));return image.updateMask(mask).divide(10000).set(image.toDictionary(image.propertyNames()));
}//NDVI的计算公式
function createNDVI(image){var ndvi = image.normalizedDifference(["B8","B4"]).rename('NDVI');return image.addBands(ndvi);
}//特别注意的是，在数学变换之后，保持原始影像的属性，所以这里.set(image.toDictionary(image.propertyNames()));
var S2_COL = ee.ImageCollection("COPERNICUS/S2")
.filterDate("2020-01-01", "2020-12-31")
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE',20))
.filterBounds(geometry)
.map(maskS2clouds)
.map(createNDVI)
.select('NDVI');
print(S2_COL)
Map.addLayer(S2_COL.mean().clip(geometry), colorizedVis, 'col');//趋势线代码
var S2_chart = ui.Chart.image.series({imageCollection: S2_COL.select('NDVI'),region: geometry,reducer: ee.Reducer.mean(),scale: 500}).setOptions({interpolateNulls: true,lineWidth: 2,title: 'NDVI Time Seires',vAxis: {title: 'NDVI'},hAxis: {title: 'Date'},trendlines: { 0: {title: 'NDVI_trend',type:'linear', showR2: true,  color:'red', visibleInLegend: true}}});
print(S2_chart);

遥感影像截图：

数据集截图（51个数据集）：

表格数据以及变化趋势截图：

CSV数据：

3 一年内所有影像数据查看和下载

3.1 NDVI值影像获取

分辨率：10m
代码如下（以鹿邑县为例）：

//以鹿邑县为例子
var geometry = ee.FeatureCollection('users/www1573979951/luyixian')
Map.centerObject(geometry,7)
//颜色设置
var colorizedVis = {min: -0.8,max: 0.8,palette: ['blue', 'white', 'green'],
};//使用QA波段去云
function maskS2clouds(image) {var qa = image.select('QA60');// Bits 10 and 11 are clouds and cirrus, respectively.var cloudBitMask = 1 << 10;var cirrusBitMask = 1 << 11;// Both flags should be set to zero, indicating clear conditions.var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(qa.bitwiseAnd(cirrusBitMask).eq(0));return image.updateMask(mask).divide(10000).set(image.toDictionary(image.propertyNames()));
}//NDVI的计算公式
function createNDVI(image){var ndvi = image.normalizedDifference(["B8","B4"]).rename('NDVI');return image.addBands(ndvi);
}//特别注意的是，在数学变换之后，保持原始影像的属性，所以这里.set(image.toDictionary(image.propertyNames()));
var S2_COL = ee.ImageCollection("COPERNICUS/S2")
.filterDate("2020-01-01", "2020-12-31")
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE',20))
.filterBounds(geometry)
.map(maskS2clouds)
.map(createNDVI)
.select('NDVI');// Map.addLayer(S2_COL.mean().clip(geometry), colorizedVis, 'col');print(S2_COL)function exportImageCollection(imgCol) {var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"]).get("list");indexList.evaluate(function(indexs) {for (var i=0; i<indexs.length; i++) {var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first();Map.addLayer(image.clip(geometry), colorizedVis, 'sentinel_10_ndvi_2020_'+indexs[i]);//tif数据下载Export.image.toDrive({image: image.clip(geometry),description: 'sentinel_10_ndvi_2020_'+indexs[i],fileNamePrefix: 'sentinel_10_ndvi_2020_'+indexs[i],folder: 'sentinel_10',region: geometry,scale: 10,crs: "EPSG:4326",maxPixels: 1e13});}});
}
exportImageCollection(S2_COL);

运行截图：

3.2 原始影像获取

分辨率：10m
代码如下（以鹿邑县为例）：

var roi = ee.FeatureCollection('users/www1573979951/luyixian');;  //table为自己上传的矢量边界//去云
function maskS2clouds(image) {var qa = image.select('QA60');// Bits 10 and 11 are clouds and cirrus, respectively.var cloudBitMask = 1 << 10;var cirrusBitMask = 1 << 11;// Both flags should be set to zero, indicating clear conditions.var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(qa.bitwiseAnd(cirrusBitMask).eq(0));return image.updateMask(mask).divide(10000);
}//按条件筛选影像
var dataset = ee.ImageCollection('COPERNICUS/S2').filterBounds(roi).filterDate('2020-01-01','2020-12-31').filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10)).map(maskS2clouds);
print(dataset)var rgbVis = {min: 0.0,max: 0.3,bands: ['B4', 'B3', 'B2'],
};// Map.addLayer(dataset.mean().clip(roi), rgbVis, 'dataset');
Map.centerObject(roi,7)//显示roi
var styling = {color:"red",fillColor:"00000000"};
Map.addLayer(roi.style(styling),{},"boundary")function exportImageCollection(imgCol) {var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"]).get("list");indexList.evaluate(function(indexs) {for (var i=0; i<indexs.length; i++) {var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first();// image = image.toInt16();image = image.clip(roi);Map.addLayer(image, rgbVis, indexs[i]);//查看具体的遥感影像//tif数据下载Export.image.toDrive({image: image,description: 'sentinel_'+indexs[i],fileNamePrefix: 'sentinel_'+indexs[i],folder: 'sentinel',region: roi,scale: 10,crs: "EPSG:4326",maxPixels: 1e13});}});
}
exportImageCollection(dataset);

运行截图：

4 月平均数据的变化趋势

注意：分辨率为10m
代码如下（以鹿邑县为例）：

//以鹿邑县为例子
var geometry = ee.FeatureCollection('users/www1573979951/luyixian')
Map.centerObject(geometry,7)
//颜色设置
var colorizedVis = {min: -0.8,max: 0.8,palette: ['blue', 'white', 'green'],
};//使用QA波段去云
function maskS2clouds(image) {var qa = image.select('QA60');// Bits 10 and 11 are clouds and cirrus, respectively.var cloudBitMask = 1 << 10;var cirrusBitMask = 1 << 11;// Both flags should be set to zero, indicating clear conditions.var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(qa.bitwiseAnd(cirrusBitMask).eq(0));return image.updateMask(mask).divide(10000).set(image.toDictionary(image.propertyNames()));
}//NDVI的计算公式
function createNDVI(image){var ndvi = image.normalizedDifference(["B8","B4"]).rename('NDVI');return image.addBands(ndvi);
}//特别注意的是，在数学变换之后，保持原始影像的属性，所以这里.set(image.toDictionary(image.propertyNames()));
var S2_COL = ee.ImageCollection("COPERNICUS/S2")
.filterDate("2020-01-01", "2020-12-31")
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE',20))
.filterBounds(geometry)
.map(maskS2clouds)
.map(createNDVI)
.select('NDVI');
print(S2_COL)
Map.addLayer(S2_COL.median().clip(geometry), colorizedVis, 'col');var years = ee.List.sequence(2020, 2020);
var months = ee.List.sequence(1, 12);
var S2_monthlymeanNDVI =  ee.ImageCollection.fromImages(years.map(function (y) {return months.map(function(m) {return S2_COL.filter(ee.Filter.calendarRange(y,y, 'year')).filter(ee.Filter.calendarRange(m, m, 'month')).mean().set('year', y).set('month', m).set('system:time_start', ee.Date.fromYMD(y, m, 1));});}).flatten()
);
// Create a monthly time series chart.
var plotNDVI = ui.Chart.image.seriesByRegion(S2_monthlymeanNDVI, geometry,ee.Reducer.mean(),
'NDVI',500,'system:time_start').setChartType('LineChart').setOptions({interpolateNulls: true,title: 'NDVI Monthly time series',hAxis: {title: 'Date'},vAxis: {title: 'NDVI',viewWindowMode: 'explicit', viewWindow: {max: 0.7,min: 0.3,},gridlines: {count: 10,}},trendlines: { 0: {title: 'NDVI_trend',type:'linear', showR2: true,  color:'red', visibleInLegend: true}}});
// Display.
print(plotNDVI);

影像截图：

表格变化趋势图：

CSV数据截图：

5 月平均影像数据的查看和下载

注意：分辨率为10m

5.1 NDVI值影像获取

代码如下（以鹿邑县为例）：

//以鹿邑县为例子
var geometry = ee.FeatureCollection('users/www1573979951/luyixian')
Map.centerObject(geometry,7)
//颜色设置
var colorizedVis = {min: -0.8,max: 0.8,palette: ['blue', 'white', 'green'],
};//使用QA波段去云
function maskS2clouds(image) {var qa = image.select('QA60');// Bits 10 and 11 are clouds and cirrus, respectively.var cloudBitMask = 1 << 10;var cirrusBitMask = 1 << 11;// Both flags should be set to zero, indicating clear conditions.var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(qa.bitwiseAnd(cirrusBitMask).eq(0));return image.updateMask(mask).divide(10000).set(image.toDictionary(image.propertyNames()));
}//NDVI的计算公式
function createNDVI(image){var ndvi = image.normalizedDifference(["B8","B4"]).rename('NDVI');return image.addBands(ndvi);
}//特别注意的是，在数学变换之后，保持原始影像的属性，所以这里.set(image.toDictionary(image.propertyNames()));
var S2_COL = ee.ImageCollection("COPERNICUS/S2")
.filterDate("2020-01-01", "2020-12-31")
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE',20))
.filterBounds(geometry)
.map(maskS2clouds)
.map(createNDVI)
.select('NDVI');// Map.addLayer(S2_COL.mean().clip(geometry), colorizedVis, 'col');var years = ee.List.sequence(2020, 2020);
var months = ee.List.sequence(1, 12);
var S2_monthlymeanNDVI =  ee.ImageCollection.fromImages(years.map(function (y) {return months.map(function(m) {return S2_COL.filter(ee.Filter.calendarRange(y,y, 'year')).filter(ee.Filter.calendarRange(m, m, 'month')).mean().set('year', y).set('month', m).set('system:time_start', ee.Date.fromYMD(y, m, 1));});}).flatten()
);print(S2_monthlymeanNDVI)function exportImageCollection(imgCol) {var indexList = imgCol.reduceColumns(ee.Reducer.toList(), ["system:index"]).get("list");indexList.evaluate(function(indexs) {for (var i=0; i<indexs.length; i++) {var image = imgCol.filter(ee.Filter.eq("system:index", indexs[i])).first();Map.addLayer(image.clip(geometry), colorizedVis, 'sentinel_10_ndvi_2020_'+indexs[i+1]);//tif数据下载Export.image.toDrive({image: image.clip(geometry),description: 'sentinel_10_ndvi_2020_'+indexs[i+1],fileNamePrefix: 'sentinel_10_ndvi_2020_'+indexs[i+1],folder: 'sentinel_10',region: geometry,scale: 10,crs: "EPSG:4326",maxPixels: 1e13});}});
}
exportImageCollection(S2_monthlymeanNDVI);

运行截图：

5.2 原始影像获取

代码如下（以鹿邑县9月份为例）

var roi = ee.FeatureCollection('users/www1573979951/luyixian');;  //table为自己上传的矢量边界//去云
function maskS2clouds(image) {var qa = image.select('QA60');// Bits 10 and 11 are clouds and cirrus, respectively.var cloudBitMask = 1 << 10;var cirrusBitMask = 1 << 11;// Both flags should be set to zero, indicating clear conditions.var mask = qa.bitwiseAnd(cloudBitMask).eq(0).and(qa.bitwiseAnd(cirrusBitMask).eq(0));return image.updateMask(mask).divide(10000);
}//按条件筛选影像
var dataset = ee.ImageCollection('COPERNICUS/S2').filterBounds(roi).filterDate('2020-09-01','2020-09-30')//自己更改时间时间获取影像 .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 10)).map(maskS2clouds);
print(dataset)
var rgbVis = {min: 0.0,max: 0.3,bands: ['B4', 'B3', 'B2'],
};Map.addLayer(dataset.mean().clip(roi), rgbVis, 'dataset');
Map.centerObject(roi,7)//显示roi
var styling = {color:"red",fillColor:"00000000"};
Map.addLayer(roi.style(styling),{},"boundary")
//tif数据下载
Export.image.toDrive({image: dataset.mean().clip(roi),description: 'sentinel_09',fileNamePrefix: 'sentinel_09',folder: 'sentinel',region: roi,scale: 10,crs: "EPSG:4326",maxPixels: 1e13
});

运行截图：

GEE开发之Sentinel-2计算NDVI和数据分析相关推荐

GEE开发之MODIS_NDVI年均值数据分析
GEE开发之MODIS_NDVI年均值数据分析前言:前面几篇博客主要介绍了NDVI的日均值和月均值的数据分析,这次主要介绍年均值的数据分析. 代码如下(以鹿邑县为例): var geometry = ...
GEE开发之ERA5（气温、降水、压力、风速等）数据获取和分析
GEE开发之ERA5(气温.降水.压力.风速等)数据获取和分析 1.ERA5介绍 2.初始ERA5数据 2.1 DAILY代码 2.2 MONTHLY代码 3.遥感影像查看(DAILY之mean_2m ...
GEE开发之Modis_LST地表温度数据分析
GEE开发之Modis_LST地表温度数据分析 1 MODIS/006/MOD11A1介绍 2 遥感影像获取(以LST为例子) 3 日遥感数据获取(以LST为例子) 3.1 日数据折线图展现如下(以鹿 ...
GEE开发之Modis_NPP数据分析和获取
GEE开发之Modis_NPP数据分析和获取 1.NPP 2.MOD系列和MYD系列区别 3.MOD17A3H_v006(500m/1年) 4.MOD17A3HGF_v006(500m/1年) 5.M ...
GEE开发之Modis_ET数据分析和获取
GEE开发之Modis_ET数据获取 1 ET(蒸散量) 2 MOD16A2(500米/8天) 2.1 MOD16A2下的所有指数 2.2 ET影像获取和查看 3 ET日数据下载(以MOD16A2为例 ...
GEE开发之Worldpop人口数据分析
GEE开发之Worldpop人口数据分析 1 基础知识 2 获取某地区的人口遥感影像 3 获取某地区每年人口的数据 4 TIF数据下载前言:如何利用GEE平拍获取Worldpop人口数据. 1 基础 ...
GEE开发之MODIS_MCD12Q1数据分析和获取
GEE开发之MODIS_土地类型分类 0.MCD12Q1介绍 1.遥感影像查看 2.MCD12Q1分类介绍 3.年数据下载(LC_Type1/year/500m) 前言:主要介绍MODIS的MCD12 ...
Google Earth Engine（GEE）计算NDVI、EVI、NDBI等指数并相关性分析
Google Earth Engine(GEE)计算NDVI.EVI.NDBI等指数并相关性分析 NDVI为归一化植被指数.EVI为增强植被指数,据GEE官方介绍NDTI为归一化热差指数,用于区分城市 ...
Google Earth Engine（GEE）——计算NDVI\EVI\RVI\DVI\SAVI计算并下载（2）
有粉丝还问到关于Landsat8如何计算,上一次的文章提到了关于各类植被指数的下载和加载:Google Earth Engine(GEE)--计算NDVI\EVI\RVI\DVI\SAVI归一化植被指 ...

GEE开发之Sentinel-2计算NDVI和数据分析

GEE开发之Sentinel-2计算NDVI和数据分析

1 基础知识

2 影像、数据、变化趋势实现

3 一年内所有影像数据查看和下载

3.1 NDVI值影像获取

3.2 原始影像获取

4 月平均数据的变化趋势

5 月平均影像数据的查看和下载

5.1 NDVI值影像获取

5.2 原始影像获取

GEE开发之Sentinel-2计算NDVI和数据分析相关推荐

最新文章

热门文章